• 其他栏目

    张琼

    • 博士生导师
    • 主要任职:教授
    • 性别:女
    • 毕业院校:北卡罗来纳州立大学
    • 学历:博士研究生毕业
    • 学位:工学博士学位
    • 在职信息:在岗
    • 所在单位:自动化工程学院
    • 入职时间: 2019-09-19
    • 学科:控制科学与工程
      机械制造及其自动化
    • 联系方式:
    • 电子邮箱:

    访问量:

    开通时间:..

    最后更新时间:..

    科研项目

    • 暂无内容

    著作成果

    • 暂无内容

    专利

    • 暂无内容

    论文成果

    • 暂无内容

    研究领域

    • 蒙特卡罗方法

      蒙特卡罗方法是研究粒子运动规律的重要统计学方法。而在复杂环境(如:井下辐射源-探测器的地层测量)中,常规蒙特卡罗的计算消耗大量时间与资源,无法提供高效评估与准确计算,这需要对现有方法进行改进。我的研究方向针对基于玻尔兹曼粒子输运理论的蒙特卡罗方法的计算与优化展开一系列研究,包括:混合蒙特卡罗确定论 (Hybrid Monte Carlo-DT);并行超算(Parallel computing);降阶模型(Reduced-order model);机器学习优化改进蒙特卡罗 (Machine learning Monte Carlo);大数据处理平台设计开发 (HPC platform for real-time data processing)。


            


      核测井仪器研究

      针对页岩气等非常规能源与海洋油气能源开发的重大需求,对中子孔隙度、伽马密度等仪器进行探测方法改进研究与实井测试应用。展开对新一代前沿清洁无源仪器的研究,如:脉冲中子与X射线测井仪的理论研究与机制设计。同时对新型粒子传感器,如:闪烁探测器、中子探测器、中子伽马探测器、光谱分析算法等进行研究。


        

          


      X射线成像与无损检测

      基于蒙特卡罗方法与机器学习改进现有X射线成像过程,创新集成实时检测算法,从而实现对精密制造过程中产生的裂纹、冲击、脱粘和分层等缺陷进行高精度检测。方法具有非接触、快速、直观、大范围、高灵敏度自动定量等特点。




      基于人工智能的数字地球科学解释与算法研发

      使用基于不同特征关联的机器学习进行地球信息的数据处理、预测与数字岩心构造。针对岩石物理进行深度学习算法开发,高度改善人工解释的不足。实现新一代信息技术与地球科学的深度交叉融合与应用。